信用货币周期理论模型与划分方法 [page::4][page::5][page::7][page::8]

• 货币周期以中债国债1年期到期收益率为代表，信用周期以AA级中债企业债5年期-国债5年期收益率（信用利差）衡量。

- 实证显示货币周期领先信用周期平均4至13个月，构成带时间滞后的叠加信用货币周期。

• 信用货币周期分为四阶段轮动：宽货币+紧信用、宽货币+宽信用、紧货币+宽信用、紧货币+紧信用，且与传统投资时钟周期存在显著嵌套关系。

- 依赖国债收益率及信用利差的上行或下行态势，结合过去4期数据差分避免短期噪声，实现周期状态动态划分。

信用货币周期下的大类资产表现分析 [page::11][page::12][page::13]

| 周期 | 万得全A（月均收益率） | 上证国债（月均收益率） | wind商品（月均收益率） | 定存3个月 |
|-----------------|----------------------|-----------------------|------------------------|-----------|
| 宽货币+紧信用 | -2.71% (50%) | 0.56% (60%) | -3.47% (38.89%) | 0.21% |
| 宽货币+宽信用 | 5.26% (78.57%) | 0.31% (69.57%) | 1.69% (64.29%) | 0.19% |
| 紧货币+宽信用 | -3.66% (42.86%) | 0.24% (61.90%) | -0.80% (57.14%) | 0.20% |
| 紧货币+紧信用 | 1.83% (47.62%) | 0.14% (22.22%) | 2.63% (66.67%) | 0.20% |

• 宽货币+宽信用周期股票表现突出，胜率最高达78.57%。

- 紧货币+紧信用周期商品资产表现优异。

• 其他两周期中债券表现稳健，适宜防御配置。

- 股票市场在紧货币+宽信用周期表现不佳，往往受前周期超涨调整影响。[page::11][page::12]

基于信用货币周期的大类资产轮动策略与绩效[page::16][page::17][page::18]

• 策略规则：宽货币+宽信用做多股票；紧货币+宽信用做多债券和现金；紧货币+紧信用做多商品；宽货币+紧信用做多债券。

| 指标 | 信用货币周期多头 | 等权配置 | 超额收益 |
|------------|----------------|----------|----------|
| 年化收益 | 21.11% | 3.51% | 17.10% |
| 年化波动率 | 18.73% | 10.36% | 15.47% |
| IR | 1.13 | 0.34 | 1.11 |
| 最大回撤 | -29.50% | -21.60% | -23.62% |
| 月度胜率 | - | - | 61.83% |

• 2008-2015年该策略表现优异，2016-2018年因供给侧改革政策干扰出现波动和调整，2019年重新有效，前4个月取得超额收益10.40%。

- 大类资产在领先滞后期±1内表现稳健，策略鲁棒性较好。[page::17][page::18]

信用货币周期下行业配置分析及轮动策略[page::20][page::21][page::22][page::24]

• 行业选择结合绝对排名法和排名偏离度法，综合两者取交集提高区分度，避免历史上持续强势行业重复选取。

- 配置建议：
- 宽货币+宽信用：建材、汽车、房地产、家电
- 紧货币+宽信用：医药、电子、计算机、传媒
- 紧货币+紧信用：煤炭、石油石化、钢铁、银行、非银金融
- 宽货币+紧信用：纺织服装、食品饮料、餐饮旅游、电力设备

| 指标 | 信用货币周期多头 | 等权配置 | 超额收益(等权) | 超额收益(沪深300) |
|------------|----------------|----------|----------------|------------------|
| 年化收益 | 24.81% | 8.15% | 15.77% | 21.56% |
| 年化波动率 | 34.21% | 30.68% | 12.82% | 16.09% |
| IR | 0.73 | 0.27 | 1.23 | 1.34 |
| 最大回撤 | -46.55% | -50.55% | -18.55% | -18.12% |
| 月度胜率 | - | - | 64.12% | 62.60% |

• 行业轮动策略取得高于行业等权及沪深300的显著超额收益，胜率超过64%，展现较好时序择时能力。

当前配置建议与结论[page::25]

• 大类资产配置推荐债券为首选。

- 行业配置聚焦食品饮料、餐饮旅游等周期性较优行业。

• 信用货币周期轮动模型提供了切实有效的资产及行业择时框架，周期领先特征明确，策略长期优于均值配置，但受结构性政策影响时可能存在阶段性回撤风险。

金融工程深度报告解析：量化视角下的信用+货币周期与资产配置

---

1. 元数据与概览

• 报告标题：《量化视角下的信用+货币周期与资产配置》

- 发布机构：中信建投证券研究发展部，金融工程团队

• 发布日期：2019年5月22日

- 作者：丁鲁明（首席分析师）及研究助理胡一江

• 主题：通过构建信用周期和货币周期的联合模型，探究两者如何影响宏观经济周期与资产配置，提出基于信用货币周期的资产及行业配置策略，实现资产轮动的超额收益。

核心论点摘要：
报告认为信用周期和货币周期是经济周期的两大重要维度，货币周期领先信用周期，二者结合形成四阶段的信用货币周期轮动模型，直接影响各类资产表现。基于此模型，报告提出了大类资产及行业轮动策略，实现年化超额收益显著，且具有良好的稳健性和实践指导意义。报告还分析了2016-2018年该策略的阶段性失效原因（供给侧改革的影响）及未来展望。

---

2. 逐节深度解读

2.1 引言：信用与货币周期的重要性及中国特征

• 介绍了国际上基于信贷周期的研究理论背景，引用信息经济学模型（Benanke和Blinder的CC-LM、金融加速器模型），以及银行信贷行为的市场化特征和顺周期性（灾难短视、羊群行为、制度性记忆）。

- 同时指出，中国的货币政策独立性较强，使得信用与货币周期密切相关，不可割裂。

• 以2018-2019年中国央行五次降准为例，虽然货币政策不断释放流动性，但信贷未充分传导至实体经济，形成“宽货币、紧信用”的局面。[page::3][page::4]

---

2.2 货币周期和信用周期的刻画方法

• 货币周期：

传统基于央行政策（降准、降息）划分存在滞后和政策反应市场前置性的缺点。报告引入中债国债1年期到期收益率作为货币周期代理指标，因其既反映货币政策变化，又剥离了长期经济基本面影响。图1展示了自2007年以来不同周期的划分（宽货币/紧货币）。

• 信用周期：

传统信用指标包括M2同比和社融增速：M2侧重负债端，社融侧重资产端，社融自2012年起更为市场关注。图2显示两指标近似但自2012年起分化，且均呈长期下降趋势，难以揭示信用周期变化。报告选择更敏感的信用利差（AA级企业债5年期收益率-国债5年期收益率）为信用周期度量，更能反映信用风险波动及周期。（图3）[page::5][page::6]

---

2.3 信用周期与货币周期的关系及模型构建

• 图4显示货币周期（国债收益率）明显领先信用利差，货币紧缩领先信用紧缩约4个月，货币宽松领先信用宽松约13个月。货币政策先行作为目标，信用调整为结果。

- 基于此，构建信用货币周期四周期轮动模型（图5图6）：

1. 紧货币+紧信用
2. 宽货币+紧信用
3. 宽货币+宽信用
4. 紧货币+宽信用

此模型解释信用货币周期的螺旋演进，每一周期代表不同经济状态，与传统投资时钟嵌套关联（表3、图8），非简单对应，而是反映经济的不同维度。[page::7][page::8][page::9][page::10]

---

2.4 大类资产在信用货币周期下的表现分析

• 选取四大类资产：股票（万得全A）、债券（上证国债）、商品（Wind商品指数）、现金（三个月定存利率），详述四周期各资产表现（表6）。

- 宽货币+宽信用周期：股票表现最佳，平均月收益5.26%，胜率78.57%。
- 紧货币+紧信用周期：商品表现强劲，收益2.63%，胜率66.67%。
- 紧货币+宽信用与宽货币+紧信用：债券表现最佳，分别为0.24%、0.56%。

• 解释紧货币+宽信用下股票表现差异因其周期衔接特性。

- 股票资产历史表现（图9、图10）呼应上述结论，宽货币+宽信用周期为主要收益贡献期。

• 具体年份案例分析（2010年、2011-2012年周期，图11-图15，表7-表8）验证资产表现与信用货币周期对应关系。

- 大类资产轮动策略：基于信用货币周期切换配置，具体为：
- 宽货币+宽信用：股票多头
- 紧货币+宽信用和宽货币+紧信用：债券与现金
- 紧货币+紧信用：商品多头

• 策略历史累计净值成长显著，年化超额收益达17.10%，信息比率（IR）1.11，胜率61.83%（图14，表9、表10）。但2016-2018年受供给侧改革影响，策略效果失效，2019年开始恢复有效性。

- 领先滞后期敏感性分析显示，资产对信用货币周期的反应稳健，领先滞后1期内效果最佳（表11，图15、图16）[page::11][page::12][page::13][page::14][page::15][page::16][page::17][page::18][page::19]

---

2.5 信用货币周期下的行业配置策略

• 采用绝对排名法和排名偏离度法两种方法分析29个中信一级行业在四个信用货币周期中的表现区别：

- 绝对排名法依赖单周期内行业排名，简单易操作，但难区分历史表现持久优异的行业（表12）。
- 排名偏离度法考察行业当前周期排名相较历史平均偏离程度，更强调周期特异性优势，但可能错判行业实际收益表现（表13，表14）。

• 两法结合取交集，剔除周期间重复行业，形成行业轮动策略（图17、图18）。

- 行业配置对应如下（摘录）：
- 宽货币+宽信用：建材、汽车、房地产、家电
- 紧货币+宽信用：医药、电子、计算机、传媒
- 紧货币+紧信用：煤炭、石油石化、钢铁、银行、非银
- 宽货币+紧信用：纺织服装、食品饮料、餐饮旅游、电力设备

• 该行业轮动策略相较行业等权配置，年化超额收益显著，达到15.77%-21.56%，胜率超过64%（表15、图18）。[page::20][page::21][page::22][page::23][page::24]

---

2.6 总结与配置建议

• 理论与模型总结：信用货币周期以国债收益率和信用利差为指标测度，货币周期领先信用周期，形成四阶段循环模型，该周期与投资时钟周期嵌套反映不同经济周期维度。

- 资产配置结论：信用货币周期显著区分大类资产与行业表现，策略带来较高年化超额收益和稳健性，尽管2016-2018年遭遇政策扰动，但随着供给侧改革缓解，2019年策略恢复效果。

• 当前建议：

- 大类资产推荐以债券为主配置。
- 行业配置重点在食品饮料、餐饮旅游等消费类行业。

---

3. 图表深度解读（选取重点图表）

图1：中债国债1年期到期收益率的货币周期划分

• 描述：展示2007年至2019年间1年期国债收益率的走势以及划分的宽货币与紧货币阶段。

- 解读：该收益率波动直接反映货币政策调整节奏，周期分明，且可量化为货币周期的代表。

• 关系文本：为后续货币周期领先信用周期的分析提供了实证依据。[page::5]

---

图2-3：M2同比、社融增速及信用利差的对比

• 描述：长周期下M2同比和社融同比大致同步，但2012年后分化明显；信用利差波动更为灵敏，能更准确揭示信用宽松/紧缩。

- 解读：信用利差由于剔除刚兑影响，反映企业实际信用风险的变化，是刻画信用周期更有效的指标。

• 联系文本：强化信用利差作为信用周期指标的选择合理性。[page::5][page::6]

---

图4：货币周期领先信用周期的实证关系

• 描述：同期比较国债1年期收益率与信用利差走势，货币周期明显领先信用周期约4至13个月。

- 解读：货币政策调整先行，信用风险变化有滞后性，形成货币周期对信用周期的传导链条。

• 联系文本：逻辑支撑信贷周期滞后于货币周期，奠定四周期模型基础。[page::7]

---

图5-6：信用货币周期理论模型及四周期轮动示意

• 描述：图5为两周期相位关系模拟，图6为四象限轮动示意图，四阶段之间存在顺序循环关系。

- 解读：反映货币政策收紧放松和信用风险扩张收敛交织的经济动态，形成投资轮动的理论基础。

• 联系文本：为后续资产轮动策略和行业配置提供周期框架。[page::8]

---

表6及图9-10：大类资产不同周期表现统计

• 表6列出不同信用货币周期下股票、债券、商品的平均月收益率及胜率，定存利率维持稳定。

- 图9显示股票资产在宽货币+宽信用周期胜率最高且正收益显著。

• 图10累计收益曲线显示宽货币+宽信用周期为股票主要上涨期，紧货币+紧信用周期波动大收益偏负。

- 关系文本：强化不同信用货币周期下大类资产表现特征，支撑轮动策略设计。[page::11][page::12]

---

图14及表9-10：金融周期轮动策略表现

• 图14显示信用货币周期驱动的大类资产轮动策略从2008年到2019年累计净值增长显著，超过等权配置。

- 表9提供年化收益、波动率、信息比率（IR）、最大回撤及胜率，指标显示该策略有效且风险控制合理。

• 表10各年度超额收益详细说明策略的稳定作用及特定年份失效背景（2016-2018年）。

- 联系文本：证实理论模型在实操中的有效性及稳定性。[page::17][page::18]

---

表12-14及图17-18：行业配置方法对比与结果

• 表12和表13分别呈现绝对排名法和排名偏离度法下各信用货币周期适应行业的排名，前者偏向历史优秀行业，后者侧重周期专属性。

- 表14对比两种方法对长期表现优异行业的排名差异，体现各自优缺点。

• 图17两方法交集筛选行业，图18行业轮动策略累计净值明显超越等权及沪深300，且胜率高达64%以上。

- 联系文本：行业视角验证信用货币周期模型的实用价值及多元资产配置架构。[page::20][page::21][page::22][page::23][page::24]

---

4. 估值分析

报告主要聚焦宏观经济周期和资产配置视角，对单一公司或细分资产的估值分析未做重点阐述，无典型DCF或多因子估值模型；策略基于历史数据和周期先导指标构建，属于量化轮动策略范畴。

---

5. 风险因素评估

• 供给侧改革干扰周期规律： 2016-2018年大类资产配置策略表现恶化，缘于供给侧改革逆转经济供需传导路径，行政手段打破信用货币周期客观规律。

- 信用与货币数据波动： 短期数据波动可能导致信用货币周期断续变化，增加信号噪音。

• 市场结构变化： 未来货币政策工具、金融市场结构变化或引发模型有效性变迁。

- 模型假设局限： 模型基于历史关系，未来经济环境变化不可预测，周期领先关系或出现偏差。

报告暗示供给侧改革造成的阶段性失效及最新市场交易经验为缓解这些风险的可能方向，但未详细给出缓解策略。[page::18][page::25]

---

6. 批判性视角与细微差别

• 报告坚持货币周期领先信用周期的假设，整体逻辑严密且数据支持充分，但基于历史关系的信号在经历政策和市场结构剧变时存在失灵风险。

- 信用利差作为信用周期指标虽较M2与社融敏感，但仍可能受到市场情绪和政策干预影响。

• 绝对排名法和排名偏离度法虽然结合减小偏差，但行业轮动策略面临行业本身波动大及流动性考量。

- 供给侧改革对策略有效性的影响凸显宏观政策向量对周期模型的扰动，提示模型可能需更灵活适应机制。

• 模型对资产领先滞后期有敏感性测试，但对极端宏观事件的韧性未有详细说明。

总体而言，理论和实证均强，但需注意结构性变化风险的动态监控和策略调整机制。[page::25][page::18][page::19]

---

7. 结论性综合

本报告系统构建了量化版的信用货币周期模型，明确了货币周期领先信用周期，基于国债收益率和信用利差两个代理指标有效划分出四个经济周期阶段：宽货币+紧信用、宽货币+宽信用、紧货币+宽信用、紧货币+紧信用。通过细致数据回测与实证分析，报告明确展现了该模型与传统投资时钟周期的嵌套关系，揭示了经济周期不同维度信息的互动机制。

信用货币周期对大类资产表现区分度明显：

• 宽货币+宽信用适合配置股票，表现最好且胜率最高。

- 紧货币+紧信用阶段商品表现优异。

• 宽货币+紧信用及紧货币+宽信用阶段债券表现稳健。

上述特征得到多周期实例、敏感性分析的反复验证，基于这一周期模型构建的大类资产轮动策略，年化超额收益达17.10%，信息比率1.11，策略在2008-2015年表现卓越，虽受2016-2018年供给侧改革扰动，2019年重新有效。行业轮动方面，报告综合绝对排名法与排名偏离度法选股，获得年化业绩超额15.77%-21.56%，月度胜率超64%，显著优于等权及市场基准。

整体上，报告提供了一个兼具理论深度与实证广度的信用货币周期分析框架，能为宏观资产配置和行业轮动提供可操作的量化策略。当前基于该模型的实证分析建议整体配置偏债券为主，行业重点推荐消费相关如食品饮料、餐饮旅游行业，符合经济复苏需求及资金面宽松的判断。

---

图表示例：

信用货币周期四阶段划分示意（图6）


国债1年期收益率与信用利差领先滞后关系（图4）


大类资产轮动策略累计收益曲线（图14）


行业轮动策略累计净值对比（图18）


---

溯源页码：
[page::0], [page::3], [page::4], [page::5], [page::6], [page::7], [page::8], [page::9], [page::10], [page::11], [page::12], [page::13], [page::14], [page::15], [page::16], [page::17], [page::18], [page::19], [page::20], [page::21], [page::22], [page::23], [page::24], [page::25]

---

总体评价

中信建投证券金融工程团队此份深度报告，以扎实的数据实证和严密的理论分析，提出了一个创新的信用+货币周期框架，为大类资产与行业的联动配置提供了有力的量化工具。报告综合理论基础、历史数据、周期领先关系及资产表现，构建切实可行的周期轮动策略，兼具解释力和实践参考价值。报告对中国特定货币政策环境和结构性经济改革的识别与分析亦颇具洞见，具备较强的现实意义和应用前景。

对于资产管理者和宏观研究者，该报告不仅丰富了经济周期对资产配置影响的研究路径，还提供了一套量化解析经济宏观信号及其资产映射的思路，值得深入研读和持续关注。

报告